本文提出一种基于知识空间理论（KST）的基准测试方法，用于评估大语言模型（LLM）在教育任务中给出下一步推荐的能力。方法的核心是：首先给定任务目录和已有的先决关系，利用 KST 推导出所有合法的知识状态以及每个状态的全部直接后继步骤。随后在指定的提示下让模型生成推荐集合，并将其与参考集合进行逐项比较。\ 在一次示例实验中，研究者收集了 2,400 条来自六种模型、四个数学子领域、四种提示条件以及两种目录顺序的响应。实验结果显示：仅提供描述时的精确集合准确率为 61.3%，要求模型重建先决关系时为 62.8%，提供先决关系后提升至 96.3%，若给出完整知识空间则达到 98.2%。不同模型和领域的表现存在差异，两种呈现方式下的推荐集合匹配率为 85.25%。\ 该基准能够在特定上下文下比较模型‑提示组合的结构化推荐准确性，但其分数并不等同于学习效果的提升，也不证明必须使用 LLM 来完成任务选择。\ 点评：此方法为教育技术提供了可量化、可复现的评估框架，帮助研究者辨别模型在知识结构推理上的真实能力。